AI-система · Металургія, нормативна документація
Граф ГОСТів і RAG за вимогами до сталі
EVRAZ · 2025 · AI-система · Python 3.11, LangChain
Від набору PDF-стандартів до зв’язаної бази знань: посилання між ГОСТами, пошук із джерелами, вивантаження вимог до класу сталі в JSON
Серія прототипів для EVRAZ, у якого бібліотека ГОСТів — це набір PDF без зв’язків між документами. Стандарти (PDF/DOC) конвертуються в Markdown із таблицями й зображеннями, посилання на інші ГОСТи (нормативні та інформативні) знаходяться автоматично, «дочірні» стандарти завантажуються, а поверх будуються RAG-пошук із джерелами та вилучення структурованих даних. Тестове завдання — клас міцності С235 за ГОСТ 27772-2021: хімічний склад і механічні властивості вивантажуються в JSON. За тиждень (30 жовтня – 6 листопада 2025 року) паралельно випробували п’ять варіантів реалізації.
Завдання
Посилання на інші ГОСТи всередині документів не клікабельні. Щоб зібрати всі вимоги до сталі С235, фахівцеві доводиться вручну знайти основний стандарт, а потім по черзі опрацювати кожен згаданий у ньому — це довго, і щось легко пропустити.
Що всередині
- Конвертація ГОСТів із DOC/DOCX/PDF у Markdown, таблиці (XLSX) і зображення
- Автоматичне вилучення посилань із класифікацією «нормативні / інформативні»; у ГОСТ 27772-2021 знайдено 95 унікальних посилань (71 нормативне, 24 інформативні) і вставлено 232 клікабельні гіперпосилання
- Автоматичний пошук і завантаження «дочірніх» ГОСТів (allgosts.ru, Yandex XML API як резерв): у корпусі 60 документів .doc
- RAG-відповіді з джерелами (Claude 4.5 Sonnet / Gemini 2.5 Pro через OpenRouter, векторний індекс FAISS)
- Вилучення структурованих даних для класу міцності С235 (8 елементів хімічного складу, 3 механічні властивості) в JSON із валідацією
- Варіанти: веббаза знань на React/tRPC, граф стандартів у Neo4j з graph-aware відповідями, RAGFlow + OpenSearch із k-NN без Docker, вебсервіс FastAPI + HTMX із краулером, ТЗ на високоточний OCR-модуль
Машинний переклад — триває вичитка.